建立了闪光法测量半透明材料热扩散率的一维瞬态导热-辐射耦合换热数学模型,采用基于控制容积的离散坐标法分析求解激光脉冲在半透明材料内的温度响应,并与由热四端网络法得到的半解析解进行了对比和验证.研究结果表明:两种计算方法在各种计算条件下得到的结果吻合很好.数值方法更灵活,可以处理物性非线性问题,但计算时间较长;半解析法的计算速度非常快,但只能处理常物性问题.此外,本文对试样吸收系数、辐射边界、厚度及试样表面的热损失等因素对温度响应的影响进行了对比分析

本文采用市场调查的汇率预期数据实证检验了人民币对美元非抛补利率平价,并运用非线性时变平滑转换模型验证了“风险溢价”、“交易成本”、“外汇市场干预”和“套利受限”四种非抛补利率平价不成立的假说

研究了大吸附雷诺数下,可渗透、膨胀或收缩的半无限长管道中的层流流动.采用自相似理论,把描述该模型的Navier-Stokes方程转化成一个四阶的非线性微分方程.应用奇异摄动方法,对该方程进行渐近求解.分析了不同的膨胀系数、吸附雷诺数对管道流动的影响.壁面收缩时,边界层变薄;壁面膨胀时,边界层变厚;当膨胀率与雷诺数之比大于1时,管道流动出现回流

热轧支持辊的健康状态在带钢板形质量和轧制稳定性控制中起着关键作用，非线性、强耦合、少样本等特点使得热轧支持辊健康状态的预测复杂，目前各大钢厂仍以定期维护和事后维修为主。本文提出了一种支持辊虚拟健康指数的构建方法以及基于Copula函数的复杂工况健康状态预测模型。首先结合支持辊弯窜辊数据表征支持辊健康状态，再使用K-means聚类方法对支持辊工况进行划分，将各工况下过程数据分别构建Copula预测模型，最后根据实际轧制计划的排布顺序融合各工况模型的预测结果。提出的基于Copula函数的预测模型在某钢厂1780热连轧产线得到应用，结果表明，该模型能够准确有效的按照轧制计划实现支持辊的健康状态预测，以更科学的策略指导支持辊更换维护

木建筑由于结构冗余性以及钉接节点超强的吸能耗能能力在抗震中表现良好.交叉层积木是一种新型的建筑材料.本文以交叉层积木3种柔性连接试验为基础,采用Open Sees中Pinching4自定义模型模拟连接滞回曲线的高度非线性、强度退化、刚度退化和捏拢现象.基于主次半循环累积能量的损伤模型,对交叉层积木连接进行损伤分析,并提出该连接的5种性能水平的损伤指数.Pinching4模型与连接试验结果吻合较好,进一步证明该模型模拟木节点连接性能的可行性和有效性.损伤因子对应的损伤程度基本符合试验规律,其平均值在合理范围内,计算结果离散性较低

运用FLAC有限差分程序,建立了一个边坡动力数值分析模型,对不同动力参数及岩土参数条件下的边坡响应规律进行数值模拟研究.结果表明,边坡动力响应放大系数与加载频率不是简单的线性关系,而是存在一个主导频率,即在该频率的动载作用下,边坡动力响应放大系数较大.进一步研究表明,主导频率主要受边坡岩土体剪切模量和密度的影响.提出了边坡动力响应放大系数与输入动力参数以及岩体力学参数间的函数关系

为了掌握棒式文丘里除尘器内气液两相流的阻力特性，基于多相流理论，建立其三维CFD模型，研究分析棒间距、除尘风量和液气比对棒式文丘里除尘器阻力特性的影响，并建立了阻力预测公式以及三者之间的关系式.结果表明：文丘里棒层与下筒体的压力损失随着棒间距的减小和风量的增大呈幂指数关系增大，随着液气比的增大呈近线性增大；上筒体的压力损失与风量呈近平方关系；通过与实验数据对比，关系式最大误差为16.88%，验证了其有效性

本文将湍流运动方程和k—ε湍流双方程模型结合,提出了顶吹气体射流冲击下熔池中液体流动的数学模型,并采用Spalding等人提出的方法解这一非线性偏微分方程组。同时,还用激光测速方法得到实验测定的流场速度分布。在计算结果及实验数据的基础上,分析、研究了流场的性质和特点。由于用k—ε湍流模型代替k—ι模型以及在边界条件及计算方法上的一些改进,使数学模型预报的结果比前人的相应结果更符合实际。而且,本文提出的数学模型适用于大气体流量射流冲击下液体流场的计算,这是对前人工作的一个突破。总之,我们的工作可以认为是Szekely和李有章等人相应研究的继续和深入

本章介绍电路模型的概念电压和电流参考方向的概念吸收、发出功率的表 达式和计算方法,以及电阻、电容、电感独立电源和受控电源等电路元件。 不同的电路元件的变量之间具有不同的约束基尔霍夫定律是集总参数电路 的基本定律,包括电流定律和电压定律,别对相互连接的支路电流之间和相互 连接的支路电压之间予以线性约束。这种约束与构成电路的元件性质无关

3.1 遗漏变量 3.2 无关变量 3.3建模策略:“由小到大”or“由大到小” 3.4 解释变量个数的选择 3.5 对函数形式的检验 3.6 多重共线性 3.7 极端数据 3.8 虚拟变量 3.9 经济结构变动的检验 3.10 缺失数据与线性插值 3.11 变量单位的选择